본 연구에서 사용한 공급 변수로는 HRCI , Time charter Index, Bunker 380CST, Orderbook, CNTRSHIP Fleet의 월간 시계열 자료이다. 먼저〈그 림 Ⅳ-2>는 본 연구에서 사용한 HRCI 시계열 자료 그래프이다. HRCI는 영국의 해운컨설팅 및 브로커 업체인 ‘Howe Robinson C. I.’사가 1997. 1. 15.지수를 1,000 기준으로 매주간 단위로 발표하는 대표적인 컨 테이너선 용선료 지수이다.
〈그림 Ⅳ-2〉HRCI 그래프
동 지수는 여러 가지 컨테이너 선형의 기간 용선료를 선형에 따라 가 중 평균하여 지수화한 것으로 정기선 해상운임과 선박의 기간 용선료는 같은 방향으로 움직인다. 해상운임이 상승 국면이면 용선(傭船) 수요가 증가하여 용선료도 상승하게 된다. 2009년부터 2016년 현재까지 동 지 수의 평균값은 551.7로 기준년도의 절반에 불과 하는 수준은 컨테이너 용선 시장의 침체라고 볼 수 있다. 아울러 동 지수의 최고점과 최저점 을 살펴보면 세계 금융 위기 여파로 2009년 12월 332.2로 최저점을 형성 하였으며 차이나 붐(China boom) 영향으로 2011년 6월 908.4로 최고점을 기록하였다.
2) Time charter index
두 번째로 설명할 연구자료의 공급 변수는 Time charter Index이다.
<그림 Ⅳ-3>은 본 연구에서 사용한 Time charter Index 시계열 자료 그 래프이며, Time charter Index는 클락슨에서 1993=100 기준으로 6 ~ 12 month 단위의 정기용선 지수를 발표하고 있다. 앞에서 살펴본 HRCI와 Time charter Index는 놀랍도록 유사하게 움직이고 있다.
〈그림 Ⅳ-3〉Time charter index 그래프
이는 HRCI와 Time charter Index는 여러 가지 컨테이너 선형의 기간 용선료를 선형에 따라 가중 평균하여 지수화한 것으로 정기선 해상운임 과 선박의 기간 용선료는 같은 방향으로 움직인다. 해상운임이 상승 국 면이면 용선(傭船) 수요가 증가하여 용선료도 상승하게 된다. 2009년부 터 2016년 현재까지 동 지수의 평균값은 49.0로 기준년도의 절반에 불과 하여 1년 이하의 컨테이너 용선 시장은 침체라고 볼 수 있다. 2009년 부터 현재까지 Time charter Index 추이는 세계 금융 위기 이후로 2009 년 11월 32.0로 최저점을 형성하였으며, 차이나 붐(China boom) 영향으 로 2011년 3월 76.0로 최고점을 기록하였다.
3) Bunker
세 번째로 설명할 연구자료의 공급 변수는 Bunker이다.〈그림 Ⅳ-4〉
는 본 연구에서 사용한 HRCI 시계열 자료 그래프이며, 벙커 가격 (380 CST, KOREA 기준)은 한국선주협회에서 보유 중인 지역별, 주간, 월간 단위의 BUNKER 데이터베이스를 입수하여 사용하였다. 싱가폴과 로테르 담, 한국 등 여러 항구별 값이 있었으나 우리나라의 BUNKER 가격을 사 용하였다.
〈그림 Ⅳ-4〉Bunker 그래프
실제 벙커 가격은 저유가 영향으로 2013년 대비 2015년은 절반으로 하 락하였다. 벙커의 가격 하락은 선사에게 장점과 단점을 함께 영향을 미 친다. 통상 매출의 30%를 벙커 비용으로 소비하는 정기선사에게 절대적 으로 비용 절감의 계기를 제공하였으나, 반대로 운임 하락과 용선료 하 락도 함께 유도하여 2015년에 발생한 SCFI 해상운임 지수의 급락의 단초 를 제공하였다. 2009년부터 2016년 현재까지 벙커 가격의 추이는 연평 균 534 $/TON, 2012년 3월 765.9 $/TON로 최고점을 형성하였으며, 2016년 2월 176.3 $/TON으로 최저점을 기록하였다.
4) Orderbook
네 번째로 설명할 연구 자료의 공급 변수는 Orderbook이다.〈그림 Ⅳ -5>는 본 연구에서 사용한 Orderbook 시계열 자료 그래프이며, Orderbook은 클락슨 리서치 자료를 사용하였다. 2009년부터 2016년까지 의 연평균 수주량은 392만 TEU로 나타나 컨테이너 수급 지수와 관계없 이 지속적인 수주잔량을 보여 선박 과잉 공급을 유발하였다.
〈그림 Ⅳ-5〉Orderbook 그래프
그러나 컨테이너 공급 과잉과 운임 하락에도 불구하고 Orderbook은 소폭의 감소에 그쳤다. 이는 컨테이너 업계 수급 악화가 심화됨에도 불 구하고 컨테이너 선복량 공급 감소로 이어지지 않아 해운 수급에 불균형 을 확대시켰다. 동 원인은 대형 선사들의 규모의 경쟁을 위한 경쟁적인 발주 영향으로 발생하였다. 심지어 클락슨 수급 지수가 2015년 80.8과 2016년 80.7로 최악의 컨테이너 공급 과잉 상황에서도 Orderbook은 여전 히 330만 TEU를 상회하고 있어 해운 불황은 장기적으로 2020년까지 이 어질 것으로 보는 전망이 늘고 있다. 2009년부터 2016년까지의 수주잔 량 추이는 2009년 10월 526만 TEU로 최고점을 형성하였으며, 2013년 5 월 336만 TEU로 최저점을 기록하였다.
5) CNTRSHIP Fleet
마지막으로 설명할 연구자료의 공급 변수는 CNTRSHIP Fleet이다.
〈그림 Ⅳ-6〉은 본 연구에서 사용한 CNTRSHIP Fleet 시계열 자료 그 래프이며, CNTRSHIP Fleet는 클락슨 리서치 자료를 사용하였다. 2009년 이래로 선복량은 감소됨이 없이 매년 약 7.1% 이상 지속적으로 성장률
〈그림 Ⅳ-6〉CNTRSHIP Fleet 그래프
을 보이고 있어 컨테이너 업계 수급에 악영향을 미치고 있다. 1995년 컨테이너선복량은 겨우 270만 TEU에 불과하였으나, 2005년 800만 TEU, 2015년 1,974만 TEU로 1995년 이후 2015년까지 연평균 10.7%의 높은 성 장률을 보였다. 2000년 이후의 컨테이너선복량 증가 속도는 경이적이 다. 2007년 처음으로 1,000만 TEU를 초과하였으나 그 두배로 증가하는데 겨우 9년이 걸렸다. 2016년 9월에 컨테이너선복량은 드디어 2,000만 TEU를 초과한 것이다.
이와 같이 급격한 선복량 증가의 요인에는 정기선사의 요인도 있지만 NOO(Non-Operating Owners)의 증가도 한축을 담당하고 있다. 컨테이너 선복량의 2016년 8월 53.3%가 NOO로 이는 용선(傭船)을 목적으로 하는 용선주들의 투자 확대의 결과로 볼 수 있다. 해상운임에 대한 여러 공 급요인 중에서 CNTRSHIP Fleet는 SCFI 지수와 상반되게 움직이고 있다.
즉, 공급이 과잉될수록 운임지수도 하락하고 있으며, 반대로 공급이 감 소되면 운임 지수가 상승한다. 컨테이너선복량의 과잉은 단독으로 운임 지수에 영향을 미치기도 하지만 때때로 다른 변수와 함께 연동될 경우 운임지수의 급락이 발생하였다. 2015년의 공급 과잉은 Orderbook과 벙커 가격과도 병행되어 그 결과 운임 급락을 더욱 확대시켰다.
제3절 분석결과
1. 단위근 검정 결과
본 연구에서 사용하는 변수들의 안정성을 검정하기 위해 단위근 검정 을 실시한다. 검정방법으로는 ADF검정과 PP검정을 사용했고, ADF검정 의 경우 최적시차를 선택함에 있어서 SC의 값이 최소가 되는 시차를 선 택했다. 각 변수에 대한 검정은 상수항을 포함한 모형과 상수항, 추세를 모두 포함한 모형을 사용하였으며, 그 결과는 <표 Ⅳ-2>와 같다.
ADF검정 결과에서는 SCFI 종합지수, HRCI, Time charter Index 그리고 Orderbook이 I(0)이고, Bunker 380CST와 CNTRSHIP Fleet 변수는 I(1)을 나타낸다. 그리고 PP검정 결과는 HRCI, Time charter Index, Orderbook 이 I(0)이고, Time charter Index, Bunker 380CST, CNTRSHIP Fleet 은 I(1)를 각각 나타낸다. 이상의 추정결과는 본 연구에서 포함하는 공급요 인변수들이 I(0)와 I(1)으로 혼재된 결과를 보인다. 따라서 모든 변수들이 1차 차분 안정적인 시계열이기 때문에 VAR 모형으로 추정하며, 모든 변 수들은 각 변수에 자연로그를 취하고 차분하여 사용한다.
〈표 Ⅳ-2〉단위근 검정 결과
2. 벡터자기회귀모형 추정 결과
앞서 실시한 단위근 검정에서 모든 변수들이 1차 차분한 결과 안정적 인 시계열 자료임을 확인하였으므로 모든 변수들을 로그 차분하여 VAR 모형을 추정하였다. 최적시차는 SC의 값을 최소로 하는 1시차를 사용하 였다. <표 Ⅳ-3>는 VAR모형의 추정 결과를 나타내는 표이다.
〈표 Ⅳ-3〉VAR모형 추정 결과
3. 충격반응분석 결과
충격반응 분석의 결과는 <그림 Ⅳ-7>에서 보는 바와 같다.
<그림 Ⅳ-7〉충격반응분석 그래프
<그림 Ⅳ-7>은 추정한 SC 기준 최소 1시차의 VAR모형에 대한 충격반 응 분석이며, HRCI, Time charter Index, Bunker 380CST, Orderbook 그 리고 CNTRSHIP Fleet 변수의 SCFI 종합지수에 대한 반응의 방향과 영향 의 지속정도를 나타낸다.
첫 번째, HRCI의 충격에 대한 SCFI 종합지수의 반응은 2기에 최대 0.004의 반응을 보이고 약 9기까지 차츰 0으로 수렴하는 것을 확인 할 수 있다. HRCI가 공급요인 변수이지만, 이 변수에 충격이 가해졌을 경우 SCFI 종합지수는 초기에 양(+)의 영향을 나타내지만 이후 작지만 음(-)의 반응을 약 9기까지 지속되는 것으로 나타났다. 일반적으로 공급함수는 음(-)의 기울기를 갖는 것과는 초기에는 반대의 결과를 보이지만 이후에 는 이론과 동일한 결과를 나타낸다. 마찬가지로 두 번째 공급요인 변수 인 Time charter Index의 단위충격은 SCFI 종합지수를 초기 2기에는 최 대 0.011의 양의 반응을 나타내지만 이후 음의 반응으로 약 8기까지 차 츰 0으로 수렴하는 것을 볼 수 있다. 두 변수 모두 SCFI 종합지수에 대 하여 초기에는 양(+)의 영향을 미치지만 그 정도로 보면 HRCI보다 Time charter Index의 충격이 SCFI 종합지수에 더 큰 영향을 미치는 것으로 나타났다. 반면에 세 번째 공급요인 변수부터는 일반적인 공급함수와 마 찬가지로 각 변수에 충격이 주어졌을 경우, SCFI에 음(-)의 영향을 주는 것으로 나타났다. 각 변수별로 살펴보면, Bunker, 380CST의 충격에 대한 SCFI 종합지수의 반응은 2기에 최대 –0.002의 반응을 보인 후, 약 3기부 터 차츰 0으로 수렴한다. 이는 충격에 대한 반응이 크지 않고, 지속기간 또한 짧아서 Bunker, 380CTS변수는 SCFI 종합지수에 미치는 영향은 다 른 변수들에 비해 상대적으로 작은 것으로 해석된다. 네 번째, Orderbook에 충격을 가했을 경우에는 SCFI 종합지수의 반응이 2기에 최 대 –0.016의 반응을 보인 후 약 4기부터 차츰 0으로 수렴하는 모습을 볼 수 있다. 마지막으로 CNTRSHIP Fleet의 충격에 대한 SCFI 종합지수의 반응을 보면, 2기부터 3기에 걸쳐 최대 –0.007의 반응을 보이다가 약 5기 이후부터 0으로 차츰 수렴한다. 따라서 각 변수들의 충격이 SCFI 종합지
수에 미치는 영향의 정도를 보면, Orderbook변수가 가장 큰 것으로 나타 났는데, 이는 그만큼 Orderbook이 SCFI 종합지수와 긴밀한 관계를 가지 고 있는 변수라 할 수 있다.
위의 결과를 정리하면, HRCI와 Time charter Index변수가 초기에 양(+) 의 반응을 보이지만 이후 음(-)의 반응으로 변화하는 것을 제외한 나머 지 변수들은 충격이 주어졌을 때, SCFI 종합지수에 음(-)의 영향을 미치 고, 이는 일반적인 공급함수의 결과와 일치한다.
4. 예측오차 분산분해 결과
VAR모형에서 SCFI 종합지수에 대한 공급요인 변수들, HRCI, Time charter Index, Bunker 380CST, Orderbook 그리고 CNTRSHIP Fleet의 상 대적 비중을 알아보기 위해 예측오차 분산분해를 실시한다. 이는 SCFI 종합지수의 변화에 어떤 변수가 가장 크게 영향을 미치는지를 확인해볼 수 있는 분석으로서, 결정요인이 무엇인지 파악할 수 있다. <표 Ⅳ-4>는 각 변수의 예측오차 분산분해 결과를 나타낸 것이다. SCFI 종합지수의 예측오차 분산을 설명하는데 가장 큰 비중을 차지하는 변수는 자기 자신 을 제외하고 Orderbook 변수인 것으로 나타났다. Orderbook변수는 SCFI 종합지수의 예측오차 분산에 약2.7573%의 비중을 차지하고, 이는 위에서 설명한 충격반응 분석과 같은 결과이다. 두 번째로 큰 비중을 차지하는 변수는 Time charter Index로서 약1.5598%를 차지하고, 세 번째로는 CNTRSHIP Fleet 변수로서 약1.1603%를 차지하는 것을 확인하였다. HRCI 변수는 예상과 달리 상대적으로 영향력이 작게 분석되었다. 선행연구에 서는 HRCI와 Time charter Index는 상당히 유사한 패턴을 보인다는 결과 가 있었으나, 본 연구에서는 Time charter Index 변수 1.5598 대비 HRCI 는 0.8356의 예측오차 분산분해 결과를 보였다. 마지막으로 Bunker 변수 는 가장 영향력이 작다고 분석되었다. 이는 다른 선행연구에서도 동일한 결과로 나왔으며 이를 확인하였다.
해운실무에서는 해상운임의 등락 추이를 파악하고 마켓의 상황을 참
조하기 위해서 SCFI 종합지수와 개별 항로의 운임을 많이 사용하고 인용 하고 있다. 이제는 SCFI 종합지수와 더불어 여러 공급 변수 중 Orderbook, Time charter Index, CNTRSHIP Fleet 변수를 함께 분석하면 향후 해상운임의 추이에 대한 통찰력이 증진될 것이다. 만약 실무에서 제반 변수를 참조하기 어렵다면 최소한 SCFI 지수와 Orderbook만이라도 모니터링하는 것이 정기선의 해상운임에 대한 추이 파악에 유익할 것이 다.
〈표 Ⅳ-4〉예측오차 분산분해 결과